水库调洪演算BP网络模型的建立与研究1.doc

水库调洪演算BP网络模型的建立与研究1 ※※※1 　 ※※※2 　　 ※※※1　 　※※※ 3 西北农林科技大学水建学院 2. 西北农林科技大学信息工程学院 陕西杨凌 712100； 3. 浙江省围海工程公司 浙江宁波 315051 [摘 要] 分析了影响水库调洪演算的因素，建立了基于人工神经网络下的水库调洪演算BP网络模型，进行了洪水过程模拟和预测；对影响网络收敛速度的因素做了探索研究，阐述了BP网络参数选择原则和选取范围． [关键词] 水库调洪演算；人工神经网络模型；参数选取 水库调洪演算在水库设计中有着举足轻重的地位。通常借助于水库调洪演算辅助曲线图解计算，该方法操作复杂，曲线更新繁琐，计算精度也受人为因素的影响。本文以时段水库水量平衡原理和动力平衡原理为依据，使用人工神经网络的理论和技术，建立了基于BP网络的水库调洪演算人工神经网络模型，进行了洪水过程模拟和预测．并对影响网络收敛速度的因素做了探索，阐述了BP网络参数选择原则和选取范围。 1．BP网络模型简介 BP网络模型是实现复杂非线性映射的新方法。如果网络的输入层神经元个数为n，输出层节点数为m，则该网络实现的是R n到R m的映射，即有：R n → R m [1] 。 BP算法主要包括两个过程：一是由学习样本、网络权值W和阈值θ，按照输入层→隐层→输出层的顺序，逐层计算节点的输出；二是由期望输出与计算输出构造出误差函数E（Wk）,采用梯度下降法调整网络权值，即 Wk+1= Wk+η 通过不断学习，当误差函数E（Wk+1）小于任意小的值ε时，网络收敛。 2．水库调洪演算的BP网络模型建立 2.1 BP网络的输入与输出 水库调洪演算是在水库水量平衡和动力平衡原理（即圣维南方程组的连续方程和动力方程）的支配下进行的[2]。水库水量平衡方程可用下式描述： 式中，Q1和Q2为时段△t始、末的入库流量（m3/s），q1和q2为时段△t始、末的出库流量（m3/s），V1和V2为时段△t始、未的水库蓄水量（m3），△t为计算时段（s）。 动力平衡用水库的蓄泄关系描述： q=f (H) （2） 式中，q是下泄流量（m3/s）；H为堰上水头(m)。 在水库调蓄洪水期间，视水库为静水面，则有H=f (V)，其中V为水库库容(m3)。结合（2）式，则有： q=f (V) （3） 由（1）和（3）可得：q 2=f (q 1,Q) 或 q 2= f (q1, Q1 ，Q2) 水库调洪演算的实质就是确定时段末的下泄流量q2。q2是时段初的下泄流量q1和时段平均入库流量Q的函数，或是时段初的下泄流量q1和时段始、末入库流量Q1 、Q2的函数。它们分别对应于网络的输出和输入，输入与输出之间存在着非线性映射关系。 2.2 BP网络模型的建立 经比较，输入层神经元分别为Q1、Q2和q1 3个，隐层节点数为7，输出层节点数为1，构成BP网络（简称3-7-1模型）。表1为某水库12 h洪水演算数据[ 2]，将其中的前9个洪水过程数据作为学习样本，后3个（内插数据）作为预报样本。取学习率为1.85，冲量因子为1.3。经网络不断学习和对学习效果比较，得出网络最优权值和阈值，如矩阵W1、W2、W3、W4所示。W1为输入层对隐层的权值、W2为隐层对输出层的权值、W3为隐层阈值、W4 为输出层阈值，BP模型拟合和预测结果如表2。 W4= -6.6664 表1 某水库12h洪水过程基本数据 Table 1 Some reservoir of 12h floodwater process basic data 序号 No. Q1 （m3/s） Q 2 （m3/s） q1 （m3/s） 实测值 Real results （m3/s） 序号 No. Q1 （m3/s） Q 2 （m3/s） q1 （m3/s） 实测值 Real results （m3/s） 1 10 140 10 20 7 32 15 130 100 2 140 710 20 105 8 15 10 100 75 3 710 279 105 235 9 10